[發明專利]一種高速公路的交通事故預警方法、設備及介質

有效

• 申請號: 202110480363.X
• 申請日: 2021-04-30
• 公開（公告）號: CN113256969B
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 張加華;賈海港;王以龍;王文靜;孫婷婷;朱婷婷
• 申請（專利權）人: 山東金宇信息科技集團有限公司
• 主分類號: G08G1/01
• 分類號: G08G1/01;G08G1/052;G08G1/065
• 代理公司: 濟南千慧專利事務所(普通合伙企業) 37232
• 代理人: 種道北

1.一種高速公路的交通事故預警方法，其特征在于，包括：

采集位于通訊設備的終端信息，所述通訊設備位于當前路段上行駛車輛中；并嘗試通過設置在高速公路上的多個車輛監控設備采集所述當前路段的交通流信息；

若未采集到所述交通流信息，則通過所述終端信息對所述行駛車輛進行車速估算；若采集到所述交通流信息，則將所述終端信息和所述交通流信息進行數據一致化處理，并將所述一致化處理后的數據進行車速估算；

根據所述車速估算的結果，得到所述當前路段的平均車速；

若采集到所述交通流信息，則根據所述交通流信息得到所述當前路段的車輛流量、車輛密度；若未采集到所述交通流信息，則通過所述終端信息，以及所述當前路段的路段信息得到所述車輛流量、所述車輛密度；

訓練事故預測模型，其中，所述事故預測模型的訓練過程包括：

根據歷史交通事故多發路段、所述車輛監控設備所處的位置以及最長路段距離，將高速公路劃分為多個路段；

針對所述多個路段中的任意一個，獲取該路段的歷史數據，所述歷史數據至少包括以下一種：歷史平均車速、歷史車輛流量、歷史車輛密度、歷史事故頻率、歷史事故類型；

將所述歷史平均車速、所述歷史車輛流量以及歷史車輛密度、歷史事故頻率、歷史事故類型進行處理，得到特征數值；

選取多個特征數值中，大于預設閾值的數值，作為代表特征數值，將所述代表特征數值對應路段的歷史數據作為訓練樣本；

針對多個訓練樣本中的任意一個，將該訓練樣本中包含的的歷史平均車速、歷史車輛流量、歷史車輛密度輸入至模糊神經網絡的輸入層，將對應的歷史事故頻率、歷史事故類型輸入至所述模糊神經網絡的輸出層，進行監督訓練，得到初始事故預測模型；

對多個所述初始事故預測模型進行精度檢測，選取精度最高的作為事故預測模型；

將所述平均車速、所述車輛流量以及所述車輛密度輸入至訓練完畢的所述事故預測模型中，對所述當前路段進行事故預測。

2.根據權利要求1所述的一種高速公路的交通事故預警方法，其特征在于，將所述平均車速、所述車輛流量以及所述車輛密度輸入至預先訓練完畢的事故預測模型中，對所述當前路段進行事故預測之后，所述方法還包括：

獲取所述當前路段的路段距離，以及所述事故預測的預測結果，所述預測結果至少包括以下至少一種：事故頻率預測結果、事故類型預測結果；

根據所述路段距離以及所述事故頻率預測結果，得到事故預測分布點；

針對多個所述事故預測分布點中的任意一個，根據所述事故類型預測結果，生成該事故預測分布點的事故模擬處理視頻，以模擬演示交通事故的處理手段。

3.根據權利要求1所述的一種高速公路的交通事故預警方法，其特征在于，若未采集到所述交通流信息，則通過所述終端信息，以及所述當前路段的路段信息得到所述車輛流量、所述車輛密度，具體包括：

根據所述終端信息，獲取當前路段車輛數量，并根據所述車輛數量以及預設時間間隔，確定所述當前路段車輛流量；

獲取所述當前路段的道路寬度，并根據所述車輛數量，以及所述道路寬度，確定所述當前路段車輛密度。

4.根據權利要求1所述的一種高速公路的交通事故預警方法，其特征在于，將所述平均車速、所述車輛流量以及所述車輛密度輸入至預先訓練完畢的事故預測模型中，對所述當前路段進行事故預測之后，所述方法還包括：

確定所述車輛密度大于擁堵臨界值；

生成第一控制指令，并將所述第一控制指令發送至設置在所述高速公路上的信息發布單元中，所述第一控制指令包括：降低車輛限速值、提高車輛間距值。

5.根據權利要求4所述的一種高速公路的交通事故預警方法，其特征在于，生成第一控制指令，并將所述第一控制指令發送至設置在所述高速公路上的信息發布單元中之后，所述方法還包括：

將車輛動態識別單元接入所述當前路段中的違章監控攝像頭，以通過轉動所述違章監控攝像頭識別所述當前路段的擁堵處，并將所述違章監控攝像頭對準所述擁堵處；

對實時錄像進行視頻分析，確定產生擁堵的起點。